pytorch深度学习（1）--线性模型

示例一：

代码如下（示例）：

# 引入绘图的包
import numpy as np
import matplotlib.pyplot as plt

# 引入数据样本
x_data = [1.0, 2.0, 3.0]
y_data = [2.0, 4.0, 6.0]


# 定义模型
def forwarad(x):
    return x * w


# 定义损失函数
def loss(x, y):
    y_pred = forwarad(x)
    return (y_pred - y) **2


# 将权重和对应的权重的损失值存入相应的列表中
w_list = []
mse_list = []

for w in np.arange(0.0, 4.0, 0.1):  # 生成0.0-4.0间隔为0.1的序列
    print("w=", w)
    l_sum = 0
    # 计算预测值，求和
    for x_val, y_val in zip(x_data, y_data):
        y_pred_val = forwarad(x_val)
        loss_val = loss(x_val, y_val)
        l_sum += loss_val
        print('\t', x_val, y_val, y_pred_val, loss_val)
    print('MSE=', l_sum / 3)
    w_list.append(w)
    mse_list.append(l_sum / 3)
# 绘制图形,此时得到的mse是一个列表，要将其转换为二维坐标轴。
plt.plot(w_list, mse_list)
plt.ylabel('loss')
plt.xlabel('w')
plt.show()

输出结果：

示例二：

"""
作者：${Mr.wu}
日期：2021年{10}月{20}日
"""
import matplotlib.pyplot as plt
from matplotlib import cm
from matplotlib.ticker import LinearLocator
import numpy as np


fig, ax = plt.subplots(subplot_kw={"projection": "3d"})
# 引入数据样本
x_data = [1.0, 2.0, 3.0]
y_data = [2.0, 4.0, 6.0]


# 定义函数模型
def forward(x):
    return w * x + b


# 定义损失函数
def loss(x, y):
    y_pred = forward(x)
    return (y_pred - y) ** 2


w_list = []
b_list = []
mse_list = []

for w in np.arange(0.0, 4.0, 0.1):
    for b in np.arange(-2.0, 2.0, 0.1):
        print("w=", w)
        l_sum = 0
        for x_val, y_val in zip(x_data, y_data):
            y_pried_val = forward(x_val)
            loss_val = loss(x_val, y_val)
            l_sum += loss_val
            print('\t', x_val, y_val, y_pried_val, loss_val)
        print('MSE=', l_sum / 3)
        w_list.append(w)
        b_list.append(b)
        mse_list.append(l_sum / 3)
# 此时mse为一个列表，要将其转换为矩阵
# 1、将其转化成矩阵（
# 2、将其转化成40*40的矩阵,即为w和b取值范围，在二维构成矩阵。
# （此时的w和b的值并不对应，即x axis与y axis反了）
# 3、故转置矩阵
mse_list = np.array(mse_list)
mse_list = mse_list.reshape(40, 40)   #生成一个40*40的矩阵
mse_list = mse_list.transpose()   #transpose（）可以将指定的两个维度的元素进行转置
# w和b由于嵌套的for循环，每个值都出现了40次，故要去重，接下来使用meshgrid将w和b转化成40*40的矩阵
w, b = np.meshgrid(np.unique(w_list), np.unique(b_list))

surf = ax.plot_surface(w, b, mse_list, cmap=cm.coolwarm, linewidth=0, antialiased=False)

ax.set_zlim(0, 35)
ax.zaxis.set_major_locator(LinearLocator(10))

ax.zaxis.set_major_formatter('{x:.00f}')


fig.colorbar(surf, shrink=0.5, aspect=5)

ax.set_xlabel('w')
ax.set_ylabel('b')
ax.text2D(0.4, 0.92, "Cost Values", transform=ax.transAxes)
plt.show()

输出结果